安利3款Python三方库！轻松实现PDF转图片，最快的只需一行代码！

2023-11-10 11:08:30 浏览数 (2)

大家有时候会不会有 PDF 转 图片 或是 图片 合成 PDF 的需求，尤其是一些扫描版的手稿、画册、字帖一类的的文档。

当大家苦于不知道找什么在线应用或软件来进行转换的时候，我们用 Python几行代码就可以实现 PDF转图片的需求了。

今天小圈给大家安利3个可以实现PDF转图片的Python库，不要 so easy 了！

  • • ✅ PyMuPDF
  • • ✅ pdfplumber
  • • ✅ python-office

一、PyMuPDF

1、PyMuPDF简介

该三方库从命名形式中就可以看出，PyMuPDF 是 MuPDF 的Python接口形式。

而 MuPDF 是一个轻量级的 PDF、XPS和电子书查看器。MuPDF 由软件库、命令行工具和各种平台的查看器组成。这个工具很小，速度很快，而且很完整。它支持多种文档格式，如PDF、XPS、OpenXPS、CBZ、EPUB和FictionBook 2。

使用PyMuPDF，你可以访问扩展名为“.pdf”、“.xps”、“.oxps”、“.cbz”、“.fb2”或“.epub”。此外，大约10种流行的图像格式也可以像文档一样处理“.png”，“.jpg”，“.bmp”，“.tiff”等。

2、安装

PyMuPDF 可以通过Python pip 官方方式安装，也可以下载离线 wheels包进行安装。

支持平台：Windows、Linux、Mac OS

pip安装命令：

代码语言：javascript复制
pip install PyMuPDF

导入命令：

代码语言：javascript复制
import fitz

关于命名fitz的说明 这个库的标准Python导入语句是import fitz。这是有历史原因的: MuPDF的原始渲染库被称为Libart。 在Artifex软件获得MuPDF项目后，开发的重点转移到编写一种新的现代图形图书馆称为“Fitz”。Fitz最初是作为一个研发项目，以取代老化的Ghostscript图形库，但却成为了MuPDF的渲染引擎。

3、使用方法

验证pymupdf 模块是否安装成功

代码语言：javascript复制
import fitz
print(fitz.__doc__)

输出：

代码语言：javascript复制
PyMuPDF 1.21.0: Python bindings for the MuPDF 1.21.0 library.
Version date: 2022-11-08 00:00:01.
Built for Python 3.8 on darwin (64-bit).

加载PDF文件

代码语言：javascript复制
# 加载pdf 文件
doc = fitz.open("/test/demo.pdf")

获取Document 属性和方法

代码语言：javascript复制
# 1、获取pdf 页数
pageCount = doc.page_count
print("pdf 页数: ", pageCount)
 
# 2、获取pdf 元数据
metaData = doc.metadata
print("pdf 元数据: ", metaData)
 
# 3、获取pdf 目录信息
toc = doc.get_toc()
print("pdf 目录：", toc)

Page 加载方法

代码语言：javascript复制
page = doc.load_page(pno) # 加载每页数据
page = doc[pno] # 加载每页数据

页面展示/页面图像保存到文件中

代码语言：javascript复制
# Page 页面-光栅图像
pix = page.get_pixmap()
print("打印页面图像对象:", pix)
# 保存光栅图像图像,需要依赖第三方框架:Pillow
pix.pil_save("page-%i.png" % page.number)

PDF保存为图片完整代码：

代码语言：javascript复制
import os
import fitz 

def covert2pic(file_path, zoom, png_path):
    doc = fitz.open(file_path)
    total = doc.page_count
    for pg in range(total):
        page = doc[pg]
        zoom = int(zoom)  # 值越大，分辨率越高，文件越清晰
        rotate = int(0)

        trans = fitz.Matrix(zoom / 100.0, zoom / 100.0).prerotate(rotate)
        pm = page.get_pixmap(matrix=trans, alpha=False)
        if not os.path.exists(png_path):
            os.mkdir(png_path)
        save = os.path.join(png_path, '%s.png' %(pg 1))
        pm.save(save)
    doc.close()

if __name__ == "__main__":
    pdfPath = 'demo.pdf'
    imagePath = './imgs'
    covert2pic(pdfPath, 200, imagePath)

效果：

PyMuPDF 还提供了丰富的功能来操作PDF文件，如读取、写入、分割、合并、旋转、裁剪等。此外，它还支持加密和解密PDF文档，以及提取文本、图像和元数据等信息。

至于其他进阶用法，小圈下次专门写个文章进行分享，有兴趣的同学可以先去使用尝试。

二、pdfplumber

1、pdfplumber简介

pdfplumber 也是一个可以处理pdf格式信息的库，可以查找关于每个文本字符、矩阵、和行的详细信息，也可以对表格进行提取并进行可视化调试。

主要功能：

  • • 可返回csv或json格式的信息： pdf级和页面级的元数据以及字典的嵌套属性。
  • • 可以指定页面以及页面范围进行解析： 以空格分隔、1索引的页面列表或带连字符的页面范围。例如，1, 11-15将返回第 1、11、12、13、14 和 15 页的数据。
  • • 可以指定解析的类型： 比如char、rect、line、curve、image或annot等，默认为所有可用。

最终返回的是一个 pdfplumber.Page对象。

2、安装

跟PyMuPDF一样，支持使用pip安装，安装命令：

代码语言：javascript复制
pip install pdfplumber

导入命令：

代码语言：javascript复制
import pdfplumber

3、使用方法

pdfplumber有2个基础类：PDF和Page

PDF用来处理整个文档，Page用来处理整个页面

类

用法简介

pdfplumber.PDF

.metadata，获取pdf基础信息，返回字典格式，包含作者、创建时间等。.pages，返回pdfplumber.Page实例的列表，每一个实例包含pdf每一页的信息

pdfplumber.Page

pdfplumber核心功能，对PDF的大部分操作都是基于这个类，包括提取文本、表格等

读取pdf文件，并输出pdf文件的基础信息

代码语言：javascript复制
import pdfplumber
# 打开pdf文件，有密码加入password参数
pdf_info =pdfplumber.open('demo.pdf')
meta_data = pdf_info.metadata  # pdf的基础信息
page_con = len(pdf_info.pages)  # 获取pdf的总页数
print('pdf文件的基础信息：n', meta_data)
print('pdf共%s页' % page_con)

pdfplumber转图片完整代码：

代码语言：javascript复制
import pdfplumber

def covert2pic_v2(file_path, png_path):
    with pdfplumber.open(file_path) as pdf:
        # pdf.pages默认为pdf全部页
        # 可通过切片的方式选择需要转换的1页或几页,如前2页：pdf.pages[:2]
        for i, page in enumerate(pdf.pages[:2]):
            im = page.to_image(resolution=150)
            # 保存
            save = os.path.join(png_path, '%s.png' % (int(i)   1))
            im.save(save)
            print('----分割线,第%d页----' % (int(i)   1))

效果跟PyMuPDF一样，这里就不展示了。

三、Python-Office

1、Python-Office简介

Python-office 是一个Python 自动化办公第三方库，能解决大部分自动化办公的问题。而且每 个功能只需一行代码，不需要小白用户学习 Python 知识，做到了真正的开箱即用。

2、安装

安装命令

代码语言：javascript复制
pip install python-office

有时候易安装失败，小圈就遇到了，所以该库只能简单介绍下，请朋友们见谅哈！偷下懒！

3、使用方法

代码语言：javascript复制
# 导入这个库：python-office，简写为office
import office

# 一行代码，实现转换
office.pdf.pdf2imgs(
    pdf_path='demo.pdf',
    out_dir='./imgs'
)
# 参数说明：
# pdf_path = 你的PDF文件的地址 
# out_dir = 转换后的图片存放地址，可以不填，默认是PDF的地址

1行Python代码，实现PDF转图片，直接解决了！是不是还没体验够就完成了！

以上就是小编推荐的3款Python三方库，可快速实现PDF转图片的功能，有兴趣的同学可以下载食用！！

● 四款国内外远程桌面软件横测：ToDesk、向日葵、TeamViewer、AnyDesk

● 新一代开源语音库CoQui TTS冲到了GitHub 20.5k Star

● 最新最全 VSCODE 插件推荐（2023版）

● 一款构建AI数字人项目开源了！自动实现音视频同步！

● 「多线程大杀器」Python并发编程利器：ThreadPoolExecutor，让你一次性轻松开启多个线程，秒杀大量任务！

如果本文对您有帮助，也请帮忙点个 赞

python pdf 基础 软件 数据

0 人点赞